细聊冗余表数据一致性 学习笔记

微信公共号 [架构师之路] 上看到一篇文章 细聊冗余表数据一致性，学习了下，一些笔记。

为什么会有冗余表的需求

互联网很多业务场景的数据量很大，此时数据库架构要进行 水平切分，水平切分会有一个 patition key，通过 patition key 的查询能够直接定位到库，但是非 patition key 上的查询可能就需要扫描多个库了。

例如订单表，业务上对 买家 buyer 和 卖家 seller 都有订单查询需求：
订单表：order(order_id, others_columns)
成交记录表：transaction(buyer_id, seller_id, order_id)

假设 transaction 表很大，需要水平切分来放到多个数据库中：

• 如果用买家 buyer_id 来分库：
  • 比如 transaction 表中 buyer_id 在 B0000 到 B1000 的记录放到 DB1 中，B1000 到 B2000 的记录放到 DB2 中，依次类推。。。
  • 如果想查找 B0001 这个买家所有的成交记录，可以直接去 DB1 中查询。
  • 缺点：seller_id 的查询就需要扫描多库，如果想查找 S0001 这个卖家所有的成交记录，需要去多个数据库中查询。**
• 如果用卖家 seller_id 来分库，同理，也会有上述类似的问题。

为了做到高吞吐量低延时的查询，往往使用 数据冗余 的方式来实现，即创建两份成交记录表 transaction：
以买家为核心的成交记录表：transaction1(buyer_id, seller_id, order_id)
以卖家为核心的成交记录表：transaction2(seller_id, buyer_id, order_id)

其中：

• transaction1 以 *buyer_id *来分库，满足买家的查询需求；
• transaction2 以 *seller_id *来分库，满足卖家的查询需求；

冗余表的实现方案

方法一：服务同步写

方法一：服务同步写

由服务层同步写冗余数据：

1. 业务方调用服务，新增数据

• 服务先插入 transaction1 数据
• 服务再插入 transaction2 数据
• 服务返回业务方新增数据成功

优点：

• 不复杂，服务层由单次写，变两次写
• 数据一致性相对较高（因为双写成功才返回）

缺点：

• 请求的处理时间增加（要插入两次，时间加倍）
• 数据仍可能不一致，例如第二步写入 transaction1 完成后服务重启，则数据不会写入 transaction2

方法二：服务异步写，应用场景：系统对处理时间比较敏感

方法二：服务异步写

数据的双写并不再由服务层来完成，服务层异步发出一个消息，通过消息总线发送给一个专门的数据复制服务来写入冗余数据：

1. 业务方调用服务，新增数据

• 服务先插入 transaction1 数据
• 服务向消息总线发送一个异步消息（发出即可，不用等返回，通常很快就能完成）
• 服务返回业务方新增数据成功
• 消息总线将消息投递给数据同步中心
• 数据同步中心插入 transaction2 数据

优点：

• 请求处理时间短（只插入1次）

缺点：

• 系统的复杂性增加了，多引入了一个组件（消息总线）和一个服务（专用的数据复制服务）
• 因为返回业务线数据插入成功时，数据还不一定插入到T2中，因此数据有一个不一致时间窗口（这个窗口很短，最终是一致的）
• 在消息总线丢失消息时，冗余表数据会不一致

究竟先写 正表 transaction1 还是反表 transaction2

对于一个不能保证事务性的操作，一定涉及 哪个任务先做，哪个任务后做 的问题，解决这个问题的方向是：
如果出现不一致，谁先做对业务的影响较小，就谁先执行。

如何保证数据的一致性

不管哪种方案，因为两步操作不能保证原子性，总有出现数据不一致的可能，那如何解决呢？

方法一：线下扫描正反冗余表全部数据

线下启动一个离线的扫描工具，不停的比对正表 transaction1 和反表 transaction2，如果发现数据不一致，就进行补偿修复。

方法二：线下扫描增量数据

每次只扫描增量的日志数据 log，就能够极大提高效率，缩短数据不一致的时间窗口。

方法三：实时线上 消息对 检测

这次不是写日志了，而是向消息总线发送消息 写入正表的消息 msg1 和写入反表的消息 msg2。
假设正常情况下，msg1 和 msg2 的接收时间应该在 3s 以内，如果检测服务在收到 msg1 后没有收到 msg2，就尝试检测数据的一致性，不一致时进行补偿修复

---

引用：
细聊冗余表数据一致性